KI-gesteuerte mobile Roboter arbeiten zusammen, um die chemische Synthese zu beschleunigen

Die beiden Roboter führten diese Aufgaben in kooperativer Weise aus, während sie sich mit Problemen in drei verschiedenen Bereichen der chemischen
Synthese befassten – strukturelle Diversifizierungschemie (relevant für die Entdeckung von Medikamenten), supramolekulare Wirt-Gast-Chemie und
photochemische Synthese.

Die Ergebnisse zeigten, dass die mobilen Roboter mit der KI-Funktion die gleichen oder ähnliche Entscheidungen trafen wie ein menschlicher Forscher,
aber diese Entscheidungen wurden in einem viel schnelleren Zeitrahmen getroffen als bei einem Menschen, der Stunden brauchen kann.

Professor Andrew Cooper von der Abteilung für Chemie und Materialinnovation der Universität Liverpool, der das Projekt leitete, erklärte: „Chemische Syntheseforschung ist zeitaufwändig und teuer, sowohl bei den physikalischen Experimenten als auch bei den Entscheidungen darüber, welche
Experimente als nächstes durchgeführt werden sollen, so dass der Einsatz intelligenter Roboter diesen Prozess beschleunigen kann.

„Wenn man an Roboter und Automatisierung in der Chemie denkt, denkt man in der Regel an das Mischen von Lösungen, das Erhitzen von Reaktionen
und so weiter. Das ist ein Teil davon, aber die Entscheidungsfindung kann mindestens genauso zeitaufwendig sein. Das gilt vor allem für die
Forschungschemie, bei der man sich des Ergebnisses nicht sicher ist. Es geht um subtile, kontextbezogene Entscheidungen darüber, ob etwas interessant
ist oder nicht, basierend auf mehreren Datensätzen. Das ist eine zeitraubende Aufgabe für Forschungschemiker, aber ein schwieriges Problem für die KI“.

Die Entscheidungsfindung ist ein Schlüsselproblem in der explorativen Chemie. So kann ein Forscher beispielsweise mehrere Reaktionsversuche
durchführen und dann entscheiden, dass er nur die Reaktionen ausweitet, die eine gute Ausbeute oder interessante Produkte ergeben. Dies ist für KI
schwer zu bewerkstelligen, da die Frage, ob etwas „interessant“ ist und es sich lohnt, es weiterzuverfolgen, mehrere Aspekte umfassen kann, wie
z. B. die Neuartigkeit des Reaktionsprodukts oder die Kosten und die Komplexität des Synthesewegs.

Dr. Sriram Vijayakrishnan, ein ehemaliger Doktorand der Universität Liverpool und Postdoktorand in der Abteilung für Chemie, der die Synthesearbeiten
leitete, erklärte: „Als ich promoviert habe, habe ich viele der chemischen Reaktionen von Hand durchgeführt. Das Sammeln und Auswerten der Analysedaten
dauerte oft genauso lange wie der Aufbau der Experimente. Dieses Problem der Datenanalyse wird noch gravierender, wenn man beginnt, die Chemie zu
automatisieren. Am Ende kann man in den Daten ertrinken.

„Wir haben dieses Problem gelöst, indem wir eine KI-Logik für die Roboter entwickelt haben. Diese verarbeitet analytische Datensätze, um eine autonome Entscheidung zu treffen – zum Beispiel, ob mit dem nächsten Schritt der Reaktion fortgefahren werden soll. Diese Entscheidung erfolgt im Grunde sofort,
d. h. wenn der Roboter die Analyse um 3:00 Uhr morgens durchführt, hat er um 3:01 Uhr entschieden, welche Reaktionen fortgesetzt werden sollen.
Im Gegensatz dazu könnte ein Chemiker Stunden brauchen, um dieselben Datensätze durchzugehen“.

Professor Cooper fügte hinzu: „Die Roboter haben weniger Kontext als ein ausgebildeter Forscher, so dass sie in ihrer jetzigen Form keinen „Heureka“-
Moment haben werden. Aber bei den Aufgaben, die wir ihm hier gestellt haben, hat die KI-Logik mehr oder weniger die gleichen
Entscheidungen getroffen wie ein synthetischer Chemiker bei diesen drei verschiedenen Chemieproblemen, und sie trifft diese Entscheidungen innerhalb
eines Wimpernschlages. Es gibt auch noch viel Spielraum, um das kontextbezogene Verständnis der KI zu erweitern, zum Beispiel durch die Verwendung
großer Sprachmodelle, um sie direkt mit relevanter wissenschaftlicher Literatur zu verknüpfen.

In Zukunft möchte das Liverpooler Team diese Technologie nutzen, um chemische Reaktionen zu entdecken, die für die pharmazeutische Wirkstoffsynthese
relevant sind, sowie neue Materialien für Anwendungen wie die Kohlendioxidabscheidung.

In dieser Studie wurden zwei mobile Roboter eingesetzt, aber es gibt keine Begrenzung für die Größe der Roboterteams, die verwendet werden könnten.
Daher kann dieser Ansatz auch in den größten Industrielabors eingesetzt werden.